控制图（Control Chart）-河南省质量协会[官网]

控制图（Control Chart）

来源：作者：信息员点击数：日期：2026-05-22

控制图（休哈特图）是 SPC 统计过程控制的核心工具，用于实时区分过程普通原因波动与特殊原因波动，判断过程是否稳定受控、及时预警异常，实现质量由 “事后检验” 向 “事前预防” 转变。

控制图之均值图
  一、控制图的定义
控制图又称休哈特图，是质量管理七大经典工具（QC 七大手法）之一，也是 ** 统计过程控制（SPC）** 的基石。它通过按时间顺序描点绘图，实时区分过程波动类型，判断过程稳定性，是工业现场最常用的过程监控工具。
二、控制的图基本原理
所有过程都天然存在波动，控制图的核心是精准区分两类波动，并采取不同对策：
1.普通原因波动。由过程固有随机因素导致（如设备轻微振动、环境温湿度小幅变化、原材料正常批次差异）。始终存在、幅度可预测、影响均匀。过程处于统计受控状态，无需干预。
2.特殊原因波动。由偶发、可识别的异常因素导致（如刀具磨损、操作失误、设备故障、原料异常）。出现无规律、幅度超出预期。破坏过程稳定，必须立即识别、分析并消除。
控制图按3σ 原则设定控制界限（过程均值 ±3 倍标准差），受控状态下数据点落在界限内概率为99.73%，在误报警与漏报警之间取得最优经济平衡。
  三、控制图的基本结构与判异规则
1.基本结构。中心线（CL）：过程统计量均值。上控制界限（UCL）：均值 + 3σ。下控制界限（LCL）：均值 - 3σ。将样本统计量按时间顺序描点连线，即可判断过程状态。
2判异规则（参照 AIAG 八大准则 / 西部电气规则）。满足任一条件即判定过程异常：有点子超出UCL/LCL控制界限；连续9 点落在中心线同一侧；连续6 点持续递增或递减；点子呈现明显周期性波动；连续14 点上下交替；连续3 点中有2 点接近控制界限（在 2σ~3σ 区间）；连续5 点中有4 点在 1σ~3σ 区间；连续15 点在中心线 ±1σ 范围内。出现异常信号，应立即启动原因分析，消除特殊原因，使过程回归受控。
  四、控制图的应用
控制图必须先分析、后控制，不可直接用于监控：
1.分析用控制图。用途：初始过程研究，确定稳定基线；步骤：收集数据→计算试验控制界限→识别并剔除异常点→反复修订→过程稳定；目标：确认过程统计受控，确定正式控制界限。
2.控制用控制图。用途：日常生产 / 过程实时监控；规则：直接沿用分析用阶段确定的控制界限；机制：监控→报警→纠正→再监控，形成闭环；价值：从 “事后解析” 变为 “事前预防”。
3.控制界限 vs 规格界限。过程稳定≠产品合格，必须严格区分两类界限。一是控制界限（UCL/LCL）：来源。由过程实际数据计算得出；本质：过程的声音；作用：判断过程是否稳定、二是规格界限（USL/LSL）。来源：客户要求、设计标准、法规规定；本质：客户的声音；作用：判断产品是否合格。若过程稳定但不合格，需计算过程能力指数（Cp/Cpk），评估过程满足规格要求的能力。
五、控制图的类型与选择指引
按数据类型分为计量型与计数型，选择逻辑如下：
1.计量型（连续数据：尺寸、重量、时间、强度等）。子组大小 n=1（单值）：单值 - 移动极差图（X-MR）；子组大小 2≤n≤8：均值 - 极差图（Xbar-R）；子组大小 n≥9：均值 - 标准差图（Xbar-S）。
2.计数型（离散数据：不合格数、缺陷数等）。二项分布（关注不合格品率 / 数）；样本量不固定：p 图（不合格品率图）；样本量固定：np 图（不合格品数图）；泊松分布（关注缺陷数）；样本量 / 单位不固定：u 图（单位缺陷数图）。样本量 / 单位固定：c 图（总缺陷数图）。
六、控制图的应用前提与局限
1.应用前提。计量型控制图：要求数据近似独立，子组均值近似正态分布（中心极限定理保证稳健性）。过程可重复、可连续抽样，适合批量稳定过程。
2.两类风险。α 风险（虚发警报）：过程正常却被判异常，概率≈0.27%；β 风险（漏发警报）：过程异常却未识别，与子组大小、偏移幅度相关。
3.重要提醒。统计判异信号必须结合工艺知识与现场经验验证，不能替代工程判断，不可视为绝对标准。
应用价值与现代集成..管理价值：推动质量管理从 “事后检验” 升级为 “事前预防”，减少过程变异与不良品。数据价值：为过程能力分析、持续改善（PDCA/6σ）提供量化依据；数字化集成：与 MES、SCADA、工业云平台深度融合，实现自动采集、实时计算、动态看板、异常推送，是数字化工厂与质量管理 4.0 的核心工具.

【关闭窗口】【返回顶部】